Алгоритмы победы и игрок без устали: как искусственный интеллект меняет спорт в России и Мире

Искусственный интеллект оказал большое влияние на соревновательные виды спорта: анализ статистики после игры, оптимизация внутриигровых процессов и больше вовлечения болельщиков в происходящее на поле. Мы в Бюро Цифровых Технологий постоянно находимся на острие инноваций, поэтому в данной статье мы рассмотрим примеры использования ИИ в спорте.

Последние два десятилетия тренера используют научные данные для повышения спортивных результатов. Например, внедрение технологий помогают принимать мгновенные решения в разгаре игры, чтобы переломить исход матча. Или, для выявления перспективных и талантливых молодых игроков.

Или, видео-ассистент (VAR), задействованный в футбольных матчах, неоднократно помогал судьям принять решения по спорным моментам. Представьте себе, что бы было, если бы VAR существовал во времена Марадоны?

Давайте вспомним Чемпионат мира по футболу 1986 года.

Аргентина играла вничью — 0:0 со своим заклятым соперником, сборной Англией. В изнуряющую мексиканскую жару, сборная Аргентины находилась в атаке, после прострела Марадона задел мяч рукой и тот отправился в ворота. Позже скажут, что «гол был забит отчасти головой Марадоны, а отчасти — рукой Бога».

Если бы тогда был VAR, то судьбоносный момент никогда не был бы запечатлен в памяти болельщиков. С одной стороны, ИИ помогает принимать правильные решения, с другой, спорт это всегда «чуть-чуть» удачи.

Вот еще один пример: на Евро по футболу в 2020 году в матче между сборными Англии и Дании назначили пенальти. Это был спорный момент с Рахимом Стерлингом, которого свалили в штрафной. Что тогда решил ИИ?

ИИ-рефери подтвердил, что несмотря на возможную усталость и нагнетания эмоций болельщиков на трибунах, судья вынес в тот день верное решение. Пенальти все равно бы назначили в пользу Англии.

Исследования, которые проводили в НБА, чтобы понять количество неверно принятых решений судьями, показали, что ошибки в спорте случаются часто и они действительно могут повлиять на ход матча:

1,49% кажется не таким уж большим показателем, но для спорта это ощутимо. Очки на вес золота и когда борьба идет на секунды важно, чтобы решения были точными на 100%. Даже вероятность 0,01% ошибки может привести к плачевному результату для одной из команд.

Для судейства в большом теннисе, например, с 2016 года используется технология Hawkeye. Система позволяет распознать движение мяча на поле, который в теннисе может набирать скорость до 200 км/ч. А представьте, какого судить на грунтовой площадке? Линия такого поля менее четкая и порой понять, где упал мяч сложно. Единственным «человеческим» компонентом в системе осталась голосовая команда «аут», которая останавливает игру.

Благодаря всем существующим технологиям распознавания, количество ошибок должно уменьшиться. В системах видеофиксации остается меньше человеческого фактора и появляется больше точных расчетов: как двигался мяч, куда упал, где находились игроки в это время.

Еще один случай из футбола: в 2010 году на Чемпионате мира сборной Англии не засчитали гол в матче с Германией. Как раз после этой игры внедрили технологию, позволяющую понять, пересек ли мяч линию ворот. В ФИФА система называется «техническим средством определения положения мяча».

Представьте, что игра проходит в неблагоприятных погодных условиях: дождь, туман, а возможно ярко светит солнце, когда просто невозможно четко понять, где приземлился мяч в игре. Как раз для таких случаев существует GLT (goal-line technology), для судейства в сложных погодных условиях.

В системе GLT используют 14 камер, данные с которых передаются на компьютеры. Изображения на них обрабатываются: определяется объект (мяч), распознаются помехи, такие как бутсы игрока — бывает, что линия и мяч просто закрыты чем-то посторонним и решение невозможно вынести. Также камеры GLT помогают убедиться, что мяч пересек линию.

Конечно, с технологиями искусственного интеллекта процесс судейства упрощается. Только за тем ли идут на игру болельщики, а спортсмены выходят на поле? Может как раз спорные моменты и создают драйв.

В Британии 1990-х годов футболист после тренировки мог зайти в паб, выпить пинту пива и перехватить стейк по дороге домой. В те годы почти никто не задумывался о том, как питается спортсмен, некоторые даже умудрялись курить.

Искусственный интеллект и такие приложения, как FoodVisor, используют для составления персональных программ спортсменов. Представьте, в системе есть более 1200 типов продуктов, сотни вариантов блюд, причем количество порции подбирается под человека.

Сейчас, когда искусственный интеллект внедрили в подготовку программ питания и планирования тренировок, расчеты стали индивидуальными для каждого спортсмена. Например, проводили исследования, которые показали результаты с использованием ИИ в силовых тренировках.

Подобные замеры, по питанию и расчету нагрузки, проводят как раз фитнес-приложения. Например, специальные алгоритмы могут анализировать позы человека в реальном времени и проводить расчеты для подготовки индивидуальной программы тренировки.

В онлайн-йоге и пилатесе составляют программы, где технологии распознают суставы человека и предоставляют рекомендаций к тренировкам. В таком случае, процесс становится индивидуальным, а результат для каждого человека более достижимым.

Теперь представьте, что тренер и спортсмен могут заранее понять, какую нагрузку давать на тренировках и есть ли предрасположенность к травмам у игроков. Такие программы позволяют тренерам оценить сильные и слабые стороны каждого отдельного игрока и команды в целом. Индивидуальный подход позволит быстро менять стратегию и планировать исход соревнований и каждого матча.

С помощью технологий ИИ анализируют движение спортсмена не только на тренировке, но и в реальной игровой ситуации. В гандболе, например, есть система слежения за игроками:

Специалисты провели три эксперимента для распознавания игроков, которых отслеживали по трем показателям: движению игроков на площадке, цвету формы и вместе — по цвету и движению. В результате, третий вариант отслеживания оказался более подходящим: увеличилась скорость расчетов, а оператор программы принимал минимальное участие в замерах.

Чтобы понять как работает система, представьте, что игроки на поле обозначаются специальными рамками. И именно по ним тренеры понимают скорость, характер движений каждого спортсмена.

Хорошо, так происходит на твердой игровой площадке, а как же распознают и фиксируют движения пловцов? Здесь используют подводные камеры, которые крепятся над фильтрами для воды. В целом, метод слежения за игроками позволит ускорить и упростить анализ поведения спортсмена.

Ожидается, что глобально внедрение таких технологий в следующие 5 лет вырастет на 24,9% и станет доступным командам разного уровня. С помощью программ станет понятно, как проявляет себя игрок в команде и на соревнованиях.

В спорте искусственный интеллект стали активно использовать и в скаутинге — поиске перспективных спортсменов в команду. Каждое действие потенциального игрока отслеживается: будь то удар в бейсболе, пробежка в футболе, блок в баскетболе. Вся информация накапливается, тренеры и спортивные менеджеры понимают, подходит им игрок или нет.

Как это выглядит на примере футболистов: существует программа отслеживания ключевых скелетных точек. Технология основана на распознавании расположения суставов у игрока.

Развитие спортсмена в том или ином спорте — целая история: с ранних лет он воспитывается в спортивной школе, возможно не одной, затем переходит в спортивный клуб. Это длительный процесс с большими вложениями. Например, Брентфорд, который прослыл самым умным клубом Англии, увидел потенциал английского нападающего Олли Уоткинсона еще в самом начале карьеры. Игрока купили за 2 миллиона, а продали за 35 миллионов долларов.

Как раз необходимые показатели служат обоснованием решения при формировании состава, подходит игрок в команду или нет. За счет понимания действий спортсмена в игре и создается перспективная команда.

Люди давно стремятся найти способы предсказать исход матчей и выигрывать большие суммы денег. Только человек не способен обработать необходимое количество данных, как сделает, например, футбольный алгоритм, управляемый искусственным интеллектом.

Существуют исследования, в которых применили слежение за процессом ведения мяча. Например, модель pos-NM с 4000 кадрами, размеченными вручную, с ее помощью смогли следить за объектом 85,5% времени. За исключением ситуаций, когда мяч не был виден или прикрывался игроками на поле.

Программа слежения за игроками сможет в будущем предсказывать итоги матчей. Компьютерное зрение также можно использовать для сбора и анализа информации в следующих показателях:

На основе таких данных технология спрогнозирует, выиграет ли команда, проиграет или сыграет вничью в будущем матче.

Еще в 2021 году элитные спортивные команды испытывали проблемы с доступом на стадион и задержкой матчей. Футбольному клубу «Саутгемптон» пришлось вернуть деньги болельщикам после того, как тысячи людей остались на улице после начала игры.

Ажиотаж среди болельщиков перед матчем не новое явление в индустрии развлечений. Потенциального решения проблемы до сих пор нет. Columbus Crew, например, использует распознавание лиц, чтобы позволяет фанатам войти на стадион и не показывать билеты.

Решение делает вход на стадион свободнее и предотвращает толкучки. Технология «отслеживает плотность толпы на стадионе, а персонал получает оповещения, когда определенные места становятся переполненными».

В современном спорте столпотворения случаются реже, чем, например, в европейском футболе 1980-х годов. Где смертельные столкновения случались не раз. Использование детектирования для мониторинга плотности толпы — дополнительный уровень безопасности. К тому же можно спрогнозировать посещаемость и применить знания в организации питания и предматчевой торговле.

Спортивная журналистика — это большой бизнес. Элитные виды спорта, особенно бейсбол, футбол и теннис ежедневно создают инфоповоды.

Например, Wordsmith — это платформа, управляемая искусственным интеллектом, которая переводит данные из MiLB в тексты с естественным языком. Проект разработан Automated Insights и помог AP расширить отчетность, охватив 13 лиг и 14 команд, связанных с MLB.

И хотя некоторые возразят, что «ИИ отнимает рабочие места», обратите внимание: голландская региональная медиа-группа NDC использует искусственный интеллект, чтобы освещать 60 000 футбольных игр в год, что по сути соответствует каждому местному матчу.

Благодаря ИИ местные матчи освещаются. А это означает, что команды, тренеры, игроки и болельщики, которые обычно отсутствовали бы на новостных страницах, получают время в СМИ.

Искусственный интеллект в спорте развивается быстрыми темпами, каждый год появляются новые разработки и приложения. Все, за исключением самих игр, будет улучшаться с помощью технологий.

Внедрение ИИ в спорте звучит многообещающе, но важно понимать, что опыт болельщиков нельзя заменить. Использование распознавания лиц для прохода на стадион без предъявления билета устраняет турникет как препятствие, которые для многих европейских болельщиков ассоциируется с приятным чувством ностальгии. Хоть это и предотвращает появление толп.

Мы, в Бюро, очень трепетно относимся как к культурным особенностям спорта и болельщиков, так и технологиям будущего. Будем следить за развитием искусственного интеллекта и дальше. Ведь всё лучше, конечно, впереди!